Initiation aux logiciels de calcul scientifique
Régression linéaire
multiple
,qtlqb
:
C 25311 C23338 C24987
C23193 C25380 C22071
Initiation aux logiciels de calcul scientifique
Introduction
Beta=Bar(X,Y)
SommeCarre(X,Y)
Ajuste(X,Y)
Fig2(X,Y)
crème glacée
MATLAB
Introduction Initiation aux logiciels de calcul scientifique
Le concept de *régression linéaire multiple ** est apparu au XIXᵉ siècle, s'appuyant sur les
travaux de **Francis Galton* et *Karl Pearson* concernant l'étude des relations entre les
variables.
Le modèle est fondé mathématiquement sur la *méthode des moindres carrés **,
développée par **Carl Friedrich Gauss*. Ce modèle vise à analyser la relation entre une
variable dépendante et plusieurs variables indépendantes.
Aujourd'hui, la régression linéaire multiple est largement utilisée dans des
domaines tels que l'économie, l'intelligence artificielle et les sciences
environnementales pour prédire et analyser des données multidimensionnelles.
Introduction
Initiation aux logiciels de calcul scientifique
Introduction
Le but de la régression multiple est d'expliquer une variable Y à l'aide
d'une plusieurs variables X1,...,Xq . La variable Y est appelée variable
dépendante, ou variable à expliquer et les variables Xj (j=1,...,q) sont
appelées variables indépendantes, ou variables explicatives
pour expliquer les variétés d’une variable aléatoire y par k variables
aléatoires x1,x2, xk suivant
qui s’écrit sous forme Y=X B + E avec Y , B et E des vecteur
d’ordre n et X une matrice de n linge et de k colonne
Introduction
Initiation aux logiciels de calcul scientifique
Introduction
Introduction
Initiation aux logiciels de calcul scientifique
Introduction
Nous pouvons les écrire sous forme de matrices comme ceci ;
Beta=Bar(X,Y)
Beta=Bar(X,Y) Initiation aux logiciels de calcul scientifique
>> function beta = Bar(X, Y) La fonction Bar(X, Y) est utilisée
>> [n, p] = size(X); pour calculer les coefficients du
>> if length(Y) ~= n modèle de régression linéaire
>> error('Les dimensions de X et Y ne multiple en utilisant des
>> correspondent pas.'); opérations matricielles. C'est une
>> end étape clé pour modéliser la
>> if det(X' * X) == 0 relation entre les variables dans le
>> error(' erreur ' ); projet.
>> end
>> beta = (X' * X) \ (X' * Y);
>> end SommeCarre(X,Y)
SommeCarre(X,Y) Initiation aux logiciels de calcul scientifique
la somme des carrés est un concept
>> function [SCR, SCE, SCT] = SommeCarre(X, Y)
fondamental utilisé pour évaluer la
>> beta = Bar(X, Y);
qualité de l'ajustement du modèle.
>> Y_hat = X * beta;
Elle permet de quantifier la
>> SCR = (Y - Y_hat)' * (Y - Y_hat);
variabilité des données et de
>> Y_mean = mean(Y);
mesurer comment le modèle
>> SCT = (Y' * Y) - (length(Y) * Y_mean^2);
explique cette variabilité.
>> SCE = SCT - SCR;
end
>>
>>
Ajuste(X,Y)
Ajuste(X,Y) Initiation aux logiciels de calcul scientifique
Une fonction ajustée réalise un ajustement
>> function [Y1, e] = Ajuste(X, Y) linéaire à partir d’un ensemble de
>> beta = Bar(X, Y); données pour estimer une relation entre
>> les variables. Cela consiste à trouver la
Y1 = X * beta; meilleure droite ou le meilleur hyperplan
>>
>> e = Y - Y1; (dans le cas multivarié) qui minimise les
erreurs entre les valeurs observées et les
>> end
valeurs prédites.
>>
>>
>> Fig2(X,Y)
Fig2(X,Y) Initiation aux logiciels de calcul scientifique
>> function Fig2(X, Y) La fonction Fig2 trace les résidus
>> [ Y1, e] = Ajuste(X, Y); pour évaluer la qualité de
>> plot(1:length(e), e, 'o'); l’ajustement du modèle. Elle permet
>> xlabel('Index', 'Interpreter', 'none'); de vérifier si les erreurs sont
>> ylabel('Residuals (e)', 'Interpreter', 'none'); aléatoires, sans tendance ni
>> title('Residual Plot', 'Interpreter', 'none'); structure, et de détecter
>> grid on;
d’éventuelles anomalies.
>> end
>>
>>
>>
crème glacée
crème glacée Initiation aux logiciels de calcul scientifique
>>
Y = [386; 374; 393; 425; 406; 344; 327; 288; 269; 256;
>>
286; 298; 329; 318; 381; 381; 470; 443; 386; 342; 319;
>>
307; 284; 326; 309; 359; 376; 416; 437; 548];
>>
X1 = [78; 79; 81; 80; 76; 78; 82; 79; 76; 79; 82; 85; 86; 83;
>>
84; 82; 80; 78; 84; 86; 85; 87; 94; 92; 95; 96; 94; 96; 91;
>>
90];
>>
>>
X2 = [41; 56; 63; 68; 69; 65; 61; 47; 32; 24; 28; 26; 32; 40; MATLAB
55; 63; 72; 72; 67; 60; 44; 40; 32; 27; 28; 33; 41; 52; 64;
>>
71];
>>
X = [ones(size(X1)), X1, X2];
>>
beta = Bar(X, Y);
>>
[SCR, SCE, SCT] = SommeCarre(X, Y);
>>
[Y1, e] = Ajuste(X, Y);
>>
Fig2(X, Y);
>>
Initiation aux logiciels de calcul scientifique
MATLAB